基于灰度和轮廓特征的平面、凹面和凸面识别

平面、凹面、凸面是识别物体结构的重要线索,从单幅图像获取这些线索是进行三维重建、目标识别、场景分割和标定的关键步骤。针对这一问题,提出了一种基于灰度和轮廓特征的平面、凹面、凸面识别算法。通过区域的灰度拟合曲线分析区域的灰度分布特征与区域形状之间的关系,对区域轮廓进行方向编码,并将完整轮廓在角点处断开成若干连续线条,利用PCA方法判定其中是否包含光滑曲线段。综合考虑区域的灰度分布特征和区域轮廓特征,给出了区域表面形状的识别规则。灰度和轮廓两方面线索互相补充、互相约束,大大提高了区域表面形状的识别准确率。实验表明,该算法具有良好的识别效果。     

基于灰度曲线法及改进Hough变换的虹膜定位算法

虹膜定位是虹膜识别系统的基础和关键,定位的速度和准确率直接影响着虹膜识别算法的性能.针对虹膜图像的灰度分布特征和近似圆形的几何特征,提出一种基于灰度曲线法和改进Hough变换的虹膜定位算法.首先,利用灰度投影法粗略定位瞳孔中心;其次,利用灰度曲线法精确定位瞳孔中心及虹膜内边缘;最后,利用改进的Hough变换检测虹膜中心及外边缘.仿真实验结果表明,该虹膜定位算法内存空间开销小,速度快.     

面向制造过程的海量数字图像高效检索算法研究

结合图像的形状特征、纹理特征和颜色特征,提出一种面向制造过程的海量图像高效检索算法.算法利用傅立叶描述子法和二维形状分布法描述图像的形状特征,利用灰度共生矩阵描述图像的纹理特征,利用颜色直方图表达图像的颜色特征.在得到图像的形状特征、纹理特征和颜色特征后,分别采用欧式距离、马氏距离和夹角余弦距离计算这三种特征的相似度,最后对三种特征的相似度进行综合,得到图像的整体相似度,实现多特征的联合检索.仿真结果表明,本算法应用于不同类型和格式的海量数字图像,具有较高的检索精度和较快的检索速度.     

一种复杂环境下的人眼定位算法

人眼位置是人脸识别技术中一项重要的局部信息.本文提出了一种改进的人眼定位算法,该算法首先采用Haar-like特征的Ada Boost算法检测出人脸区域,然后利用文中训练的人眼强分类器在检测出来的人脸区域中粗定位人眼位置区域,最后在该区域内利用人眼部分瞳孔区域边界的灰度值突变特征精确定位人眼.实验结果表明,该方法能够在复杂环境下准确定位人眼位置.     

基于OSPA距离和特征点采样的路标识别算法

提出了一种基于最优次模式(OSPA)距离的路标识别算法.算法引入Markov随机场建立噪声的待检图像,然后采用条件迭代算法(ICM)恢复图像,进一步提取路标边缘点.这些边缘点作为特征点;该特征点看作为待检特征点集,计算其和标准路标库图像之间的OSPA的距离,以此来识别待检路标.分析表明,该算法对于路标的形态识别具有明显的优势,最后分析了图像尺寸大小、特征点数量对OSPA距离的影响.     

农田遥感识别方法与应用

农田识别是进行作物的长势监测、产量预报和时空特性研究的基础,能够为国家农业政策的制定提供数据支撑。基于像元的传统农田遥感识别方法只利用了影像像元的属性信息,造成农田识别精度不高。面向对象的识别方法根据多尺度分割后得到对象的光谱、形状和纹理属性分类,提高了农田识别的精度。随着航天技术快速发展,与中低分辨率影像相比,高分辨率遥感影像能够提供更丰富的光谱、形状和纹理特征的目标地物,但同时信息量和数据量呈几何级数增加的高分辨率遥感影像给现有的农田遥感识别方法带来极大挑战。回顾了中低分辨率和高分辨率的农田遥感识别方法的研究进展,重点阐述了多尺度分割与三种监督型机器学习算法组合的面向对象的识别方法。结果表明,以机器学习算法为基础的面向对象分类的总体精度都高于96%,卡帕系数均超过0.93。     

基于编码标志的无人机电力巡检自主定位方法

为了实现无人机在变电站巡检时自主避障,提出一种利用编码标志作为控制点的无人机自主定位方法.首先讨论编码标志的设计与解码,然后利用灰度方向直方图(histogram of oriented gradient, HOG)特征和支持向量机(support vector machine, SVM)检测并跟踪图像中的编码标志,以提高算法运行效率,最后根据编码标志在电塔上的位置及其在图像上的对应坐标,由物点与像点的透视关系解算无人机位置.实验表明:HOG+SVM组合检测图像中的编码标志召回率为99%;解码算法在编码标志模糊、变形等极端条件下依然保持强鲁棒性,解码错误率仅为0.05%;无人机定位误差不超过±0.03 m,算法运行速度达10帧/s,可用于变电站的实际巡检.     

实时图像识别算法在移动设备中的应用研究

移动设备能在多种环境中进行信息采集和图像处理作业,具有广泛的用途.由于受体积和重量的限制,移动设备对图像的实时处理能力不强,设计并优化相应的算法是解决该问题的有效途径.文章提出了一种实时图像识别算法,利用BRISK检测算法、FREAK描述算法、Sobel目标提取算子和BP神经网络分析并提取图像中的目标信息.在智能手机上的测试表明,该算法可以根据颜色和形状特征分割识别交通图像中的4种目标类型.单幅图像处理耗时约为0. 3s,达到了实时识别的要求,能够应用于车辆的智能导航和辅助驾驶.     

一种鲁棒的圆形标记点中心提取方法

圆形标记点中心识别是视觉测量的关键技术之一. 为满足工业现场精确标定和测量的需求,提出了一种鲁棒的标记点中心提取算法. 首先对图像进行预处理和Canny边缘提取;然后用增强的Snake方法对边缘进行全局最优搜索,并以具备积分性质的Zernike算子对图像边缘进行亚像素定位;最后采用鲁棒的椭圆拟合算法迭代定位椭圆中心. 仿真和实测表明,该算法在标记点破损或被污染情况下仍能给出精确的中心定位. 理想情况下定位误差小于0.02像素,在标记点破损或被污染情况下定位误差小于0.03像素.     

基于YOLOv3与分水岭的直升机桨叶欠曝光图像圆形标记点检测

针对现有的直升机桨叶欠曝光图像中圆形标记点检测方法存在自适应能力不强、速度慢、精度不高的问题，提出了基于YOLOv3（you only look once）与分水岭的直升机桨叶欠曝光图像圆形标记点检测方法.首先，将采集的真实桨叶欠曝光图像中的圆形标记点进行标注后，制作成数据集，并训练YOLOv3网络；其次，用训练好的YOLOv3网络检测出圆形标记点区域；再次，改进传统分水岭标记提取方式，采用多线程技术并行在各圆形标记点区域内进行分水岭变换，得到圆形标记点边缘检测结果；最后，采用最小二乘圆拟合和奇异点去除法实现圆形标记点的精确定位.研究者通过对多幅欠曝光桨叶图像中圆形标记点进行检测实验，验证了该方法具有自适应能力强、速度快、精度高的优点，并已将其用于直升机桨叶欠曝光图像圆形标记点的检测.     

基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法

无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足。为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最后引入LegoNet卷积单元,减少了卷积参数,实现了精度与速度的平衡。实验主要采用的验证数据集为VisDrone2019和UAV_OUC,UAV_OUC数据集相比于VisDrone2019,其图片具有更高的分辨率。相比于CenterNet,所提出的方法在数据集UAV_OUC和VisDrone2019上的检测精度大约分别提高了10%和2%。     

高光谱图像分块压缩感知采样及谱间预测重构

压缩感知理论提供了一种新的数据采集思路. 基于该理论提出了一种高光谱数据采集和图像重构方法,以波段分组的方式将高光谱各波段分为参考波段和普通波段,对各波段图像单独采用分块压缩感知测量以获取高光谱数据. 在图像重构过程中,参考波段采用平滑投影Landweber算法重构. 对于普通波段,结合谱间预测和平滑投影Landweber提出了一种新算法: 先采用谱间双向预测得到预测图像,然后对预测图像进行分块压缩感知测量获得测量值,并计算它与该波段原测量值之间的差值,再由测量差值重构预测差值来迭代恢复原波段图像. 该方法在数据重构过程中充分考虑了高光谱图像的谱间相关性和空间相关性,能提高图像重构精度. 实验结果表明,利用所提出的方法重构高光谱图像,其性能优于多向量压缩感知方法和分块压缩感知测量后直接对各波段图像单独重构的方法.     

干扰环境下数目可变的多目标跟踪

针对环境中干扰因素对目标跟踪性能的影响,提出了一种跟踪数目可变的多目标方法. 该方法通过聚类算法来判断目标的出现或消亡,并获得目标数目,然后利用基于无迹卡尔曼的廉价联合概率数据关联算法获得量测与已知目标轨迹的互联概率,并实现状态传递. 与传统的廉价联合概率数据关联算法相比,该算法在干扰环境下跟踪性能更优,可处理目标数目可变的多目标跟踪问题.     

基于连通图的高速高机动目标变结构多模型算法

针对传统的基于活跃有向图的变结构多模型(variable structure multiple model based on adaptive digraph, AD-VSMM) 算法不能实现模型子集之间快速跳转且计算量大的问题,提出了一种基于连通图的高速高机动目标变结构多模型(variable structure multiple model algorithm based on connected graph, CG-VSMM)
算法. 通过分析传统AD-VSMM 算法的模型集转换方法,选择加速度和角速度作为模型参数,建立模型集连通图之间的连通关系. 根据目标机动情况选择参与计算的模型子集,然后依据子模型的后验概率大小对模型子集进行实时局部调整. Monte Carlo 仿真结果表明,新方法能实现变结构多模型(variable structure multiple model,VSMM) 算法模型子集之间的快速跳转,且跟踪精度、计算量、稳定性等都得到了较好的改善,可应用于高速高机动目标的跟踪.     

一种有效的结构纹理区分方法

提出了一种检索纹理图像的算法.由于纹理图像具有的多样性,处理不同的纹理图像应当采用不同的处理方法.比如,针对结构纹理图像使用小波的方法更为适合,而针对具有随机纹理的图像使用马尔科夫模型效果就更好.因此,在处理图像之前对其按照纹理的情况进行分类合并,就可以有针对性的处理各种纹理图像.我们提出的区分纹理图像的方法基于二值傅里叶谱,首先将纹理库中的图像按结构纹理和随机纹理划分,然后采用多方向小波contourlet提取图像特征来检索图像.实验表明,这种区分算法,可实质性地提高检索率.     

强噪声与突变干扰下的紫外图像中导弹目标的提取

为了抑制紫外图像处理中紫外CCD(电荷耦合装置)传感器和高增益放大器的强噪声和突发干扰,在不改变现有紫外CCD 传感器硬件结构的前提下,提出了一种紫外图像序列的三维递归滤波算法. 该算法由二维IIR(递归)空间滤波器和一维时间IIR 滤波器级联构成. 所提出的三维递归滤波算法计算量小,稳定,且可清晰地
提取导弹目标,实现快速实时的紫外图像序列滤波. 提供了二维IIR 空间滤波器和一维时间IIR 滤波器的稳定性检验算法. 仿真实验验证了所提的三维滤波算法是正确,有效而实用的.     

STBC-OFDM系统自适应加权并行多用户检测

针对多用户空时块码正交频分复用系统,提出了基于Turbo 码的自适应加权并行多用户检测方法. 该方法利用自适应加权多用户检测进行多用户信号分离,并将所获得的软比特信息作为Turbo 码的先验信息进行译码,将译码所得的外信息作为下次迭代中自适应加权多用户检测中权值的先验信息. 数值仿真结果表明：采用该方法的空时块码正交频分复用系统收敛较快,与自适应部分并行多用户系统、实验加权多用户系统、传统并行干扰抵消多用户系统进行比较,分别可获得1.8 dB, 2.5 dB 和3 dB 的增益.     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标．实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性．     

复杂自然背景下的人造目标检测

为了解决图像处理中目标检测的问题,提出了一种新的检测方法.该方法根据自然物体和人造物体在纹理上表现出的不同特性,首先将图像划分为若干个子块,然后按各个子块梯度的幅度和方向进行像素编码,最后利用设定的标准检测人造目标.仿真结果表明,新方法可用于不同分辨率的图像,且具有较好的鲁棒性,能够节省存储空间和运算时间,适合于实时处理的场合。